一种基于精简学习样本集的耕地质量模式分类方法研究

于耕地质量等级评价中涉及的海量土地信息,提出了一种基于经典采样技术与无序多分类Logistic回归模型的耕地质量等级智能分类方法。基于一定置信水平和估计精度条件下,确定研究区耕地质量等级评定的学习样本容量大小,应用c-means算法自动抽取精简学习样本集,构建无序Logistic分类器模型,给出了耕地质量智能分类的计算步骤。结果表明,应用以上方法挖掘的精简样本集,能够有效进行耕地质量等级的学习和预测,改变了传统耕地质量等级评定的方法。